Desde el ámbito de la evaluación educativa, las distintas normativas nacionales y autonómicas enfatizan la necesidad de garantizar la equidad y objetividad de los sistemas de evaluación, sirviéndose además de un marco formativo y de acción coordinada de todos los actores relevantes (alumnado, profesorado, consejerías y/o entidades locales, etc.). No obstante, para responder a estos propósitos, se necesita mirar el conjunto de procesos desde una perspectiva amplia, no solo para detectar las carencia o déficits (aspectos totalmente normales desde el prisma de la realidad educativa), sino para que las posibles acciones o recomendaciones tengan consistencia y plausibilidad en el marco social, político y territorial.

Las Pruebas de Acceso a la Universidad (volvemos de nuevo al acrónimo clásico “PAU”) es posiblemente la mejor herramienta para comprobar la eficacia en este ámbito. En primer lugar, por su importancia como propósito; que es el de establecer un sistema justo y garantista de acceso a la educación superior de miles de estudiantes cada curso. En segundo lugar, por la necesidad de que cada examen diseñado tenga una capacidad de medición eficaz; es decir, que los contenidos y competencias se alineen con el currículum de Bachillerato. En tercer lugar, porque cualquier sistema aplicado a nivel nacional debe garantizar que sus resultados sean ‘comparables’, de forma que una misma puntuación obtenida por dos estudiantes (sean o no de la misma provincia) implique el mismo nivel de esfuerzo o habilidad para alcanzarla.

A nivel territorial, el problema de la comparabilidad de resultados —o dicho de otra forma, cómo garantizar que “lo que mide” un examen en Andalucía sea lo mismo que en Galicia o en Cataluña— es central si queremos que el sistema de admisión universitaria sea justo y equitativo para todos los estudiantes (más aún desde el prisma legal del ‘Distrito Único’). Examinar dicha comparabilidad a partir de procedimientos estadísticos, así como la medición de los procesos curriculares y competenciales de la PAU, han sido los principales objetivos de nuestro proyecto nacional financiado por el Ministerio de Ciencia, Innovación y Universidades. Sin entrar en especificidades técnicas, y con el afán de potenciar el espacio divulgativo que ofrece esta revista, relatamos a continuación los principales conceptos teóricos considerados de acuerdo con la literatura científica, y algunos de los resultados obtenidos de nuestros trabajos, así como propuestas de mejora y retos futuros asociados con consecución de un sistema equitativo de acceso a la universidad.

¿Qué es la comparabilidad de constructo?

De acuerdo con la normativa existente, sabemos que cada comunidad autónoma española elabora sus propias pruebas de la PAU, especialmente en lo referido a los contenidos de las preguntas y a los criterios de corrección. Si bien es cierto que existen pautas comunes sobre el diseño y el sistema de calificación de las pruebas, la falta de coordinación territorial sobre las puntuaciones otorgadas a cada bloque de contenidos de cada materia, junto con su incógnita sobre la objetividad en la aplicación de dichos criterios de corrección por parte de los evaluadores, hace pensar que cuando comparamos las notas medias de estudiantes de distintos territorios, es como si juntáramos peras y manzanas en un mismo cesto. Pese a ello, si se calcula una nota final en base a los resultados de los estudiantes en todas las pruebas realizadas, estamos asumiendo que existe un constructo común, una ‘entidad’ no visible pero que inferimos en base al nivel de esfuerzo que realiza el alumnado y que se traduce en una mayor o menor calificación.

Siguiendo la misma lógica, se puede establecer un marco común para cada materia. Supongamos que queremos medir el “nivel de competencia lingüística en español” de estudiantes de diferentes regiones. Los exámenes pueden tener ejercicios distintos (redacción, comprensión, vocabulario), pero si todos están alineados con ese mismo marco conceptual de “competencia lingüística”, entonces podemos decir que hay un constructo común, y se mediría la misma capacidad.

En definitiva, cuando hablamos de distintas pruebas de la PAU, el objetivo es que todas las comunidades usen exámenes que, pese a sus diferencias, se apoyen en el mismo constructo, de forma que tendría sentido un marco común con una aplicabilidad directa al distrito único. Sin embargo, que se defina un constructo no garantiza por sí mismo la comparabilidad de puntuaciones entre comunidades. Para que los resultados sean comparables, hay que asegurarse que los exámenes sean equivalentes en sus propiedades estadísticas. Esto implica, a modo de ejemplo, que las puntuaciones se deberían situar en una misma escala de medida, como si con una ‘regla’ se pudieran ordenar y comparar la dificultad de cada examen.

El estándar como base para la equivalencia de las puntuaciones

Teniendo presente la idea de un constructo común, el siguiente paso sería delimitar un conjunto de normas para atribuir un valor numérico determinado, lo cual se denomina estándares. Así, proporcionamos un sistema de puntuación mucho más fiable para delimitar qué nivel o niveles de rendimiento (responder de forma correcta, incorrecta, o parcialmente correcta cada cuestión de un examen) se asocian con cada valor numérico de la escala. Nuestra escala de medir sería por tanto mucho más precisa, pudiendo medir en términos análogos no solo los metros, sino los centímetros que la conforman.

En los últimos años, se ha producido una mayor transparencia en prácticamente todas las comunidades autónomas, al hacer públicos los criterios de corrección específicos de cada prueba, y estableciendo la asociación pertinente entre cada criterio y su puntuación. Este proceso ayuda también a delimitar hasta qué punto los criterios para una misma prueba se asemejan (o no) entre comunidades (Fernández-Álvarez et al., 2024).

Análisis de los niveles de dificultad de la PAU: principales resultados

La psicometría es la rama de la psicología que se encarga de desarrollar y aplicar procedimientos estadísticos que garanticen que los constructos desarrollados a nivel teórico en cualquier disciplina tengan una base medible o cuantificable a través de test o escalas. Existen múltiples modelos psicométricos que se pueden aplicar en los instrumentos de medida; pero para el caso de las pruebas de acceso o certificación académica, a nivel internacional el más empleado es el modelo de Rasch (1960). Si bien este modelo se diseñó en sus orígenes para consolidar un sistema de puntuación ordinal a partir de las puntuaciones de los ítems de un test, el enfoque de comparabilidad de constructo ha permitido su aplicación al considerar los distintos exámenes como ítems de un test que mide rendimiento académico. Este procedimiento analítico ha sido ampliamente utilizado en países tales como Reino Unido (Badham, 2025; Opposs, 2015) o Australia (Australian Council for Educational Research, 2013).

Tabla 1. Niveles de dificultad de pruebas PAU a nivel nacional entre 2017 y 2021

Nuestros análisis han implementado este modelo en las pruebas de la PAU de todas las comunidades autónomas entre los años 2017 y 2021 (Veas y Govorova, en prensa). En este sentido, en la Tabla 1 se pueden apreciar los valores medios a nivel nacional de los parámetros de dificultad de las principales materias de la PAU. Se puede apreciar, por ejemplo, que las materias de la rama de ciencias naturales tienen mayor dificultad que las de ciencias sociales. Además, existe una variación considerable de dificultad en algunas materias, como por ejemplo en Química o Dibujo Técnico.

A la hora de comparar la dificultad de las materias entre comunidades autónomas, también se aprecian resultados de relevancia. Como ejemplo específico, en la Tabla 2 se indica la variación positiva o negativa en los niveles de dificultad de cada comunidad entre los años 2020 y 2021. Se aprecia de nuevo una heterogeneidad considerable. Por ejemplo, los exámenes en la Rioja y Cantabria fueron más sencillos en 2021 que en 2020, mientras que en la Comunidad Valenciana fue la única sin cambios significativos en ninguna materia.

¿Qué podemos hacer para equiparar la dificultad de la PAU?

La misma evidencia científica que detecta una heterogeneidad consistente en el tiempo de las PAU en las comunidades autónomas nos permite a su vez proponer estrategias que pueden tener resultados a medio y largo plazo, tales como:

• Establecer, para las asignaturas comunes, una o dos cuestiones idénticas para todo el territorio que impliquen los mismos criterios de corrección.
• Reducir la escala de puntuación de las pruebas a 5 o 6 puntos, para que las mismas discriminen mejor a los estudiantes con mayor, igual o menor nivel de habilidad; permitiendo a su vez una mayor fiabilidad de las puntuaciones y una mayor capacidad comparativa.
• Modular umbrales de puntuación (ej., de aprobado a notable o de notable a sobresaliente) en función del porcentaje relativo de estudiantes que alcanzan una determinada nota para una convocatoria específica. ¿Qué examen es más difícil, aquel en el que un ٧٠٪ de los candidatos alcanza un 8 o 9, o el que lo alcanza solo el 30%? Así, cada comunidad puede comparar estas proporciones entre convocatorias de años consecutivos, con el fin de detectar cambios sustanciales en la dificultad de las pruebas.
• Formación en empleo de rúbricas y criterios de corrección de evaluadores, facilitando a su vez una base de datos anonimizada que permite el análisis cuantitativo de los niveles de severidad para cada provincia.

Sin duda, siendo conscientes de las limitaciones del sistema, tenemos ante nosotros una gran oportunidad para garantizar un sistema de evaluación justo a través de unas pruebas PAU comparables. Estos procesos no implican un marco uniforme y arbitrario, sino conformar un espacio de reflexión basada en la evidencia en la que la inversión, la coordinación y el bien común serían los pilares fundamentales del cambio.

Tabla 2. Variación de la dificultad de exámenes PAU en 2021 con respecto a 2020 en comunidades autónomas.

Financiación

El presente trabajo se realiza gracias a la financiación de la Agencia Estatal de Investigación (MCIN/AEI/10.13039/501100011033) a través del proyecto PID2020-115248RA-I00, titulado: “Análisis de las Pruebas de Acceso a la Universidad y su relación con PISA: Identificación de estándares curriculares y competenciales mediante enfoques psicométricos”.

Referencias

Australian Council for Educational Research (2013). Overview of Senior Assessment and Tertiary Entrance in Australia and other countries. Disponible en: https://research.acer.edu.au/qld_review?utm_source=research.acer.edu.au%2Fqld_review%2F5&utm_medium=PDF&utm_campaign=PDFCoverPages

Badham, L., Meadows, M., y Baird, J. -A. (2025). Construct comparability and the limits of post hoc modelling: insights from International Baccalaureate multi-language assessment. Frontiers in Education, 10. https://doi.org/10.103389/feduc.2025.1616879

Fernández-Álvarez, M., Ruiz-Lázaro, J., y García Laborda, J. (2024). Validación interna de la prueba de inglés de la EvAU en la comunidad de Madrid. Porta Linguarum Revista Interuniversitaria de Didáctica de las Lenguas Extranjeras, 41, 173-188. https://doi.org/10.30827/portalin.vi41.26977

Opposs, D. (2015). Inter-subject comparability: An International Review. ISC Working Paper 4. Coventry, the Office of Qualifications and Examinations Regulation.

Rasch, G. (1960). Probabilistic models for some intelligence and attainment tests (Expanded Edition, 1980). Denmark Paedagogiske Institute. University of Chicago Press.

Veas, A., y Govorova, E. (en prensa). Inter-subject comparability of the Spanish university entrance examinations. Oxford Review of Education.